Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian tentang risiko strategik merupakan topik baru yang masih berkembang dalam bidang ilmu strategik perusahaan. Risiko strategik dapat digambarkan sebagai risiko yang berhubungan dengan keputusan jangka panjang yang diambil oleh manajemen tingkat atas. Kegagalan perusahaan dalam pemilihan serta penerapan kebijakan strategik merupakan salah satu dari kejadian yang tercangkup dalam risiko strategik. Terkait dengan perkemhangan manajemen risiko pada industri perbankan, Basel 11 Accord menyebutkan secara spesifik mengenai `other risk' atau risiko lain-lain, GARP menyatakan bahwa risiko strategik merupakan salah satu bagiannya. Bank Indonesia menyebutkan bahwa risiko strategik merupakan salah satu jenis risiko yang termasuk dalam 8 risiko yang menjadi menjadi perhatian manajemen risiko pada bank.Tujuan penelitian ini adalah uniuk memberikan wacana baru bagi pengukuran risiko, khususnva risiko strategik perusahaan Selain itu penelitian ini juga diharapkan dapat bermanfaat bagi pihak yang berkepentingan dalam rangka melakukan rating terhadap bank menurut risiko strategiknya sesuai dengan masing-masing kriteria kelompok perbankan menurut Bank Indonesia.Penelitian ini akan mengukur risiko strategik dengan metode Generalized Information-based Ordinal Time Series yang menggambarkan risiko strategik sebagai peluang terjadinya loss pada posisi relatif terhadap perusahaan lain dalam jangka waktu tertentu. Posisi yang akan digunakan sebagai perbandingan adalah posisi kinerja keuangan ROA (Return On Asset).Pengukuran risiko ini akan dipusatkan pada sub industri perbankan periode 2002 hingga 2005 berdasarkan kriteria kelompok perbankan yang dibual oleh Bank Indonesia yaitu kelompok Bank Persero, Bank Umum Swasta Nasional (BUSN), Bank Asing dan Bank Joint Venture. Metode sampling yang digunakan adalah purposive sampling berdasarkan hasil analisis Morgan Stanley untuk bank berkinerja baik di Indonesia pada tahun 2004.Selain membandingkan risiko strategik antar kelompok bank sesuai dengan kriteria, penelitian ini juga melakukan pengukuran terhadap risiko strategik masing-niasing bank sesuai dengan kriteria dan perbandingan tren risiko strategik berdasarkan kriteria. Sumber data penelitian merupakan data sckunder yang diambil dari laporan keuangan bank menurut Bank Indonesia periode 2002 - 2005. Data tersebut diperoleh dari situs Bank Indonesia.Berikut ini hasil dari penelitian berdasarkan perhitungan risiko strategik dengan pendckatan ordinal terhadap posisi ROA terhadap perusahaan dalam sub industri perbankan di Indonesia selama jangka waktu periode 2002 - 2005:1. Pada perbandingan antar kelompok perbankan sesuai dcngan kriteria ditemukan bahwa Bank Asing secara relatif memperoleh nilai risiko strategik terendah, sebaliknya BUSN secara relatif memperoleh nilai risiko strategik tertinggi2. Pada perbandingan antar bank dalam sistem berdasarkan kriteria:a. Bank Persero, ditemukan bahwa Bank Mandiri secara relatif memperoleh nilai risiko strategik tcrendah, sedangkan BM secara relatif memperoleh nilai risiko strategik tertinggi.b. BUSN, ditemukan bahwa BII secara relatif memperoleh nilai risiko strategik tercndah, sedangkan Bank Lippo secara relatif memperoleh risiko strategik tertinggi.c. Bank Asing, ditemukan bahwa Citibank secara relatif memperoleh nilai risiko strategik terendah, kebalikannya Bank ABN Amro secara relatif memperoleh nilai risiko strategik tertinggi.d. Bank Joint Venture, ditemukan bahwa ANZ Panin secara relatif memperoleh nilai risiko strategik terendah, sedangkan Rabobank secara relatif memperolch nilai risiko strategik tcrtinggi.3. Pada perbandingan tren risiko strategik, ditinjau dari setiap kejadian, dapat diamati bahwa pada tahun 2002 - 2005:a. Hanya sebagian kecil bank dalam kategori Bank Persero mengalami posisi loss.b. Sebagian besar bank dalam kategori BUSN mengalami posisi loss.c. Sebagian bank dalam kategori Bank Asing dan Bank Joint Venture mengalami posisi loss.

---

Research for Strategic Risk is a new emerging topic in strategic management field. Strategic risk can be described as risk that involved with long term decision taken by the top managers. One example that can be classified as strategic risk event is the failure to formulate and implement company's strategy. In relation with the banking risk management development, Basel 11 Accord has mentioned specific about 'other risk', which GARP described strategic risk is one of the part. Bank Indonesia also mentioned that strategic risk is one of their eight risks that the bank should concern.This research has two objectives, those are giving new word or perspectives on risk measurement and the second is helping every interest parties to do strategic risk rating for banks, according to the criteria made by Bank Indonesia.This research will measure strategic risk using generalized information-haled ordinal time series method. This method describes strategic risk as a change of loss position relative with other players or companies at specified time. The loss position refers to the loss position of ROA (Return On Assets) Ratio on financial performance.The research will focus on the Banking sub industry for the period of 2002-2005, based on the criteria group as explained before. And those groups are government banks, private national banks, foreign banks, and joint venture banks. The sampling method is purposive sampling referred from the Morgan Stanley Analysis for Indonesian performing banks in 2004.Besides comparing the strategic risk of bank from different criteria, we also compared each bank from each criteria as well as the trend of strategic risk for each criteria group. The source of secondary data was taken from Bank Indonesia's website which are the financial report available announced for the period of 2002-2005. The result of strategic risk measurement using ordinal approach on the basis of' ROA position ratio for Banking sub industry in Indonesia in the period of 2002-2005 are described below:1. In the comparison of' groups with different criteria, we found that the foreign banks relatively have the lowest strategic risk, on the contrary the private national banks have the highest strategic risk,2, In comparison of each bank in each the criteria made by Bank Indonesia, we found thata. (Government banks) Bank Mandiri relatively has the lowest strategic risk, while BNI relatively has the highest strategic risk.b. (Private national banks) B11 relatively has the lowest strategic risk, while Lippo Bank relatively has the highest strategic risk.c. (Foreign banks) Citibank relatively has the lowest strategic risk, while ABN Amro relatively has the highest strategic risk.d. (Joint venture banks) ANZ Panin relatively has the lowest strategic risk, while Rabobank relatively has the highest strategic risk.In the comparison of strategic risk trend for the period of 2002-20U5. We found.a. Only few banks from government bank group criteria that experience loss position.b. More than half banks from private nation banks that experience loss position.c. Around half banks which classified as foreign and join venture banks experience loss position."

"Risiko kegiatan usaha perbankan semakin kompleks sejalan dengan pesatnya perkembangan lingkungan ekstemal dan internal di dalam dunia perbankan. Untuk itu agar mampu beradaptasi dalam lingkungan bisnis perbankan, bank dituntut untuk mencrapkan manajemen risiko. Sesuai dengan Amendment terhadap Basle Capital Accord (BCA) 1988 yang dikeluarkan oleh The Basle Committee on Banking Supervision pada bulan Januari 1996, perbankan diharapkan untuk memasukkan unsur risiko pasar dalam perhitungan Capital Adequacy Ratio (CAR).Risiko pasar didefinisikan sebagai risiko yang timbul karena adanya pergerakan variabel pasar (adverse movement) dari portofolio yang dimiliki oleh bank, yang dapat merugikan bank. Dalam penelitian ini komponen risiko pasar yang dijadikan objek penelitian adalah risiko nilai tukar.Sesuai dengan BCA tahun 1996, pengukuran risiko yang dihadapi bank dapat dilakukan dengan standardized approach ataupun menggunakan internal model. Untuk internal model Basle Accord mensyaratkan penggunaan Value at Risk (VaR) dalam penerapannya. VaR mengukur maksimum potensi kerugian yang diyakini akan terjadi pada kurun waktu tertentu, dengan tingkat keyakinan tertentu dan pada kondisi pasar yang normal.Latar belakang penulisan karya akhir dengan judul Analisis Perbandingan Pengukuran Risiko Pasar Posisi Devisa Neto dengan Pendekatan Metode Standar dan Model Internal (VaR - Metode Varian Kovarian) adalah karena sejak diberlakukannya Peraturan Bank Indonesia No.5/121PBI12003 bank wajib menghitung penyediakan modal minimum untuk mengcover risiko pasar dengan metode standar, yang salah satu faktor risikonya adalah risiko nilai tukar. Penyediaan modal khusus risiko nilai tukar dengan metode standar diperhilungkan sebesar 8% dari Posisi Devisa Neto bank. Perniasalahan yang timbul adalah bahwa penyediaan modal minimum bagi setiap bank diwajibkan menggunakan tarif yang sama yaitu 8%. Hal ini dapat mengakibatkan besarnya penyediaan modal (capital charge) dimaksud tidak tepat dibandingkan dengan kebutuhannya (terlalu besar atau bahkan terlampau sedikit). Dari sisi pengelolaan asset dan kewajiban (Assets and Liabilities Management) hal ini dapat merugikan bank, karena dapat mengakibatkan idle fund, atau sebaliknya justru membebani solvabilitas bank akibat kerugian yang tidak terantisipasi.Mengingat dalam BCA tahun 1996 perhitungan modal minimum risiko pasar dapat dimungkinkan dilakukan dengan model internal dengan pendekatan Value at Risk (VaR), dengan demikian timbul pertanyaan manakah dari kedua metode tersebut yang lebih efisien sehingga idle fluid yang timbul akibat peneadangan modal dan beban solvabilitas bank dimaksud dapat diminimalisir.Tujuan penulisan ini adalah untuk mengetahui seberapa efisien pengukuran risiko pasar khususnya nilai tukar dapat diestimasi oleh kedua metode tersebut dan manakah dari kedua metode dimaksud yang lebih balk untuk diterapkan dalam perhitungan modal minimum yang harus disediakan bank untuk mengcover potensi kerugian bank akibat fluktuasi nilai tukar.Perhitungan capital charge dengan metode standar dilakukan sesuai ketentuan Bank Indonesia dimaksud, sedang perhitungan dengan model internal dilakukan dengan cara perhitungan Value at Risk dengan metode Varian Kovarian. Data yang menjadi bahan analisis adalah posisi nilai tukar PT Bank ABC yang terdiri dari 5 (lima) mats uang asing, yaitu GBP, EUR, USD, JPY dan SGD. Sementara periode yang digunakan dalam analisis ini adalah dari 1 Oktober 2003 sampai dengan 31 Oktober 2005, yaitu 508 hail. Khusus dalam perhitungan VaR , Confident level yang dipergunakan adalah 95% dan holding period selama 1 hari.Berdasarkan hasil uji nonnalitas, dapat diketahui bahwa seluruh data series return setiap mata uang asing tersebut adalah tidak normal, sehingga nilai a yang diperhitungkan dicari dengan teori Cornish Fisher Expansion. Sementara itu, dari basil uji volatilitas data return seluruhnya merupakan heteroscedastic. Oleh karena itu forecasting volatilitas data mempergunakan model ARCH/GARCH.Hasil perhitungan capital charge untuk portfolio mata uang PT Bank ABC dengan metode standar sebesar Rp2.951 juta jauh lebih besar dibanding jika menggunakan model internal (VaR) yaitu sebesar Rp297 juta. Sementara dan hasil pengujianvaliditas model internal VaR dengan Kupiec Test, metode Total Number of FaiIure(TNoF) terdapat kesalahan/failure sebanyak 20 (dua puluh) tanggal dan Likelihood Ratio sebesar 1,595 < 3,841 berdasarkan tabel chi square. Sementara itu untuk metode standar tidak dilakukan uji validasi karena angka 8% untuk perhitungan capital charge bersifat mandatory dari Otoritas Pengawasan Perbankan. Dengan demikian perhitungan capital charge menggunakan model internal jauh lebih efisien dibandingkan dengan penggunaan metode standar.Agar terjadi efisiensi penggunaan dana yang pada akhirnya akan lebih meningkatkan pertumbuhan usaha bank, maka penggunaan model internal (VaR) untuk keperluan penyediaan modal minimum bank terkait dengan risiko pasar perlu dipercepat. Namun apabila ketentuan Bank Indonesia telah dapat memperbolehkan bank menyediakan modal minimum dimaksud dengan perhitungan model internal (VaR) maka baik pihak Bank Indonesia yang akan berperan sebagai validator dan bank sebagai pelaksana penerapan model internal harus bersaina-sama mempersiapkan sumber daya manusia dan teknologi informasi untuk mengantisipasinya.

---

In line with the growing complexities of the banking activities, the nature of risks in banking industry are rapidly changing and becoming more difficult to,zesist. Taken into account of such risks, banks are increasingly encouraged to apply more prudent risk management Based on Basle Capital Accord which is issued by The Basle Committee on Banking Supervision in January 1996, as Amendment of Basle Capital Accord 1988, banks is expected to sufficiently cover the element of market risk for their calculation of Capital Adequacy Ratio (CAR).

Market risk is defined as a risk of loss on the entire portfolio held by the bank, which arise due to adverse movement of market variables. In our research, the particular component of market risk taken as research object is exchange rate risk.

According to Basle Accord (1996 Amendments), banks may develop and make use of internal systems or employ standardize approach as a basis of their assessment of market risk. In case of applying internal model, Basle Accord requires the bank to adopt Value at Risk (VaR) approach. VaR approach measures potential maximum loss of which may occur in certain holding period, particular level of confidence and normal market condition.

The motivation of the research, entitled "Comparative Analysis of the Measurement Of Market Risk of Foreign Exchange Net Open Position Using Standardized Method and Internal Model (VaR - Variance Covariance Method)", is related with the adoption of Bank Indonesia Regulation No. 51121PBll2003 which required the bank to provide adequate capital to cover market risk by using standardized method, pp rtieularly exchange rate risk as one of risk factors. Applying standardized method, the minimum amount of capital required to cover exchange rate risk is uniformly set at 8% of the Net Open Position posed by particular bank. This unifolnmity may create problems since it may not fairly reflect the actual risk should be covered by the banks (resulting in over/underestimate the calculation of minimum capital required to cover such a risk). From the Asset and Liabilities Management point of view, imprecise calculation of minimum capital may result in potential loss or opportunity profit forgone due to excessive idle fund. By contrast, it could also give extra burden to the bank in case bank's capital is not adequate to cover unanticipated loss.

Meanwhile, based on Basle Accord 1996, minimum capital requirement could be calculated using internal model (adopting VaR approach), it may be queried which method offers better estimate in terms of minimizing idle fund and realistically reflect actual risk.

The aim of this researsch is to measure how efficient market risk calculated using standardized method and internal model with VaR approach and which one of the two methods is better applied by bank to calculate minimum capital to cover potential loss of exchange rate volatility.

The calculation of capital charge using standardized method is based on Bank Indonesia regulation, while VaR (Variance-Covariance method) is adopted for internal model approach. Data used for the analysis are exchange rate position of PT Bank ABC consisted of 5 foreign currencies (GBP, EUR, USD, JPY, and SOD). The period of analysis is from 1 October 2003 to 31 October 2005 (508 days). For the calculation of VaR, 95% level of confidence is applied and holding period is set at one day.

Based on normality test, all of the series reveal non-normality, so the value of a should be calculated using Cornish Fisher Expansion. Meanwhile, our volatility tests showed that the entire data are heteroschedastic. Therefore, volatility forecast is conducted using ARCH 1 GARCH.

Using standardized method, capital charge for the currency portfolio of PT Bank ABC is amounted to Rp2.95 t million much higher compared to internal model (VaR) that is amounted to Rp297 million. The test on validity internal model using Kupiec Test showed that the model is valid because the Total Number of Failure (TNOF) is amounted to 20 failures and Likelihood Ratio is 1,595 < 3,841 list of chi square. Meanwhile for the standardized method is not tested for validity of the method because 8% as capital charge is provided by Banking Supervisory Authority. Therefore by using internal model in capital charge calculation is much more efficient comparing to using standardized method.

Concerning the efficiency in fund management, which in general may prudently boost the bank business, the inception of internal method for calculating market risk should be speed up. However, if Bank Indonesia permits the banks to adopt internal model for their own risk assessments, Bank Indonesia should review the use of such measurement regularly. In addition, it is important for the banking industry to continuously develop their human resources capacity and apply appropriate Information System Technology."

"New Basel II Capital Accord menyadari bahwa dengan memperkenalkan persyaratan permodalan untuk risiko operasional akan menimbulkan dampak yang cukup signifikan terhadap jumlah regulatory capital yang harus disisihkan oleh bank.Penelitian ini menganalisa perbedaan metode dengan mengacu pada metode yang dipersiapkan oleh Basel Committe dalam memperkirakan capital charge untuk risiko operasional. Analisis diperoleh dengan membandingkan Advanced Measurement Approach (AMA) melalui Loss Distribution Approach (LDA) terhadap non-advanced atau Basic Indicator Approach (BIA). Perhitungan capital charge risiko operasional melalui Basic Indicator Approach merupakan persentase tertentu dari gross income. Sedangkan LDA model menekankan pada analisis kerugian operasional yang membutuhkan data historis (Loss Event Database) mengenai kejadian risiko operasional berdasarkan distribusi frekuensi dan severitas dengan menerapkan konsep Value at Risk (VaR).Berdasarkan data yang tersedia pada Bank X, hasil penelitian menunjukkan bahwa penerapan advanced approach dengan LDA model menghasilkan capital charge yang lebih rendah dibandingkan dengan BIA model.

---

New Basel II Capital Accord realized that the introduction of capital requirements for operational risk will cause a significant impact on the amount of regulatory capital that must be set aside by the bank.

This research analyzes the differences of methods with in regards to the methods prepared by the Basel Committee in estimating the capital charge for operational risk. The analysis was done by comparing the Advanced Measurement Approach (AMA) of the Loss Distribution Approach (LDA) to the non-advanced or Basic Indicator Approach (BIA). Calculation of operational risk capital charge with the Basic Indicator Approach is specified by a percentage of the gross income. Meanwhile, the LDA model requires analysis of operating loss using historical data (Loss Event Database) on the operational risk incidents based on the frequency and severity distribution and applying the concept of Value at Risk (VaR).

Based on the data made available by the Bank X, the results showed that the advanced approach applied using the LDA model produces a lower capital charge compared to the BIA model."

"Eratnya hubungan antara tingkat suku bunga dengan kinerja perbankan menunjukkan pentingnya tingkat suku bunga dengan pengelolaan risiko bank. Dengan dasar pemikiran tersebut maka timbul pemikiran untuk mengukur risiko yang disebabkan oleh pergerakan suku bunga dalam kerangka pengukuran risiko pasar. Dalam saat yang bersamaan, terdapat kecenderungan untuk menerapkan metode VaR untuk mengukur risiko yang dihadapi oleh perbankan. VaR adalah salah satu metoda untuk mengukur risiko pasar (market risk) yaitu untuk mengestimasi tingkat kerugian yang dapat terjadi karena memiliki suatu asset/portfolio asset dalam nilai tertentu yang nilainya dirujuk kepada nilai pasar (market to market value), dengan tingkat kepercayaan statistika tertentu (confidence level) dan untuk jangka waktu penguasaan asset (holding period) yang tertentu dalam kondisi pasar yang dianggap normal. Pergerakan nilai pasar dari aset tersebut menandai return yang dihasilkan oleh aset, apakah return-nya positif atau negatif. Dengan menganggap suku bunga pinjaman adalah return yang dihasilkan oleh asset kredit maka pada dasarnya metoda VaR dapat digunakan untuk mengukur risiko tingkat suku bunga yang dihadapi oleh bank pada saat memiliki aset kredit dalam jumlah tertentu dalam suatu holding period tertentu yang diakibatkan oleh pergerakan suku bunga pinjaman. Khususnya untuk kredit konsumtif dimana umumnya tingkat suku bunga bersifat fixed selama periode tertentu, risiko suku bunga terkait dengan kemungkinan kerugian bank selama periode tersebut dimana biaya dana (cost of fund) bank dapat bergerak naik dan turun dan mengakibatkan negative spread pada saat biaya dana tersebut naik melebihi suku bunga pinjaman.Penelitian ini bertujuan untuk: (1) Mengetahui karakteristik data suku bunga pinjaman keempat produk kredit konsumtif KPR Renovasi, Kredit Kepemilikan Mobil (KPM), Kredit Kepemilikan Motor (KP-Motor), dan Kredit Multiguna yang diberikan oleh Bank X selama periode observasi; (2) Untuk memberikan informasi besarnya VaR akibat perubahan suku bunga pinjaman untuk masing-masing produk kredit konsumtif tersebut yang dihasilkan oleh proses perhitungan yang sesuai dengan karakteristik data suku bunga keempat produk kredit tersebut; (3) Untuk memberikan informasi besarnya VaR untuk portfolio kredit konsumtif yang terdiri atas keempat produk kredit tersebut; (4) Menguji validitas metoda VaR yang digunakan dalam hal kemampuan metoda tersebut untuk mengestimasi tingkat kerugian yang dialami Bank X karena risiko tingkat suku bunga. Berdasarkan basil pengujian atas data tingkat suku bunga keempat produk kredit konsumtif, diperoleh hasil karakteristk sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Tidak terdistribusi secara normal, sehingga nilai a yang akan digunakan dalam perhitungan VaR hares dikoreksi lebih dahulu menggunakan Cornish Fisher Expansion menjadi a; (3) Homoskedastik, sehingga volatilitas data yang diperlukan untuk perhitungan VaR dapat dihitung menggunakan rumus deviasi standar statistik.Angka VaR dihitung dengan menggunakan holding periode 1 bulan dan tingkat kepercayaan 95%, dengan demikian nilai VaR yang dihitung menggunakan data posisi akhir bulan x digunakan untuk mengestimasi tingkat kerugian pada akhir bulan x-H dengan tingkat keyakinan 95%, atau dengan kata lain: hanya 5% kemungkinannya bahwa tingkat kerugian pada akhir bulan x+1 akan melebihi nilai VaR.Hasil uji dengan cara bakc testing menunjukkan hasil yang baik di mane dari keempat produk kredit yang dianalisis, tidak terdapat overshoot sclama periode observasi. Hasil pengujian validitas VaR lebih lanjut dengan Kupiec Test (metoda TNoF) menunjukkan bahwa penggunaan metoda VaR dalam penelitian ini untuk mengestimasi tingkat kerugian akibat risiko tingkat suku bunga untuk masing-masing produk kredit konsumtif Bank X tersebut dapat dianggap valid.Untuk penghitungan VaR Portfolio, hasil uji return portfolio menunjukkan karakteristik data sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Terdistribusi secara normal, sehingga nilai yang akan digunakan dalam perhitungan VaR tidak perlu dikoreksi; (3) Homoskedastik, sehingga estimasi volatilitas dapat menggunakan rumus standar deviasi statistik.Uji validitas VaR portfolio dengan backtesting menunjukkan tidak terdapat overshoot selama periode observasi, dan uji lebih lanjut dengan Kupiec Test menunjukkan bahwa VaR portfolio valid digunakan untuk mengestimasi kerugian maksimum portfolio kredit konsumtif karena risiko tingkat suku bunga.

---

The objectives of this study are: (1) to determine the characteristic of loan interest rate data of four consumer loan products at Bank X: KPR Renovasi (Housing Loan - for Renovation Purpose), KPM (Car Loan), KPMotor (Motor Cycle Loan), and KPM (Multi Purpose Loan) which were advanced by Bank X within the observation period of August 2002 to November 2005; (2) To determine the Value at Risk (VaR) which quantifies market risk resulting from fluctuation in loan interest rate for each consumer loan product; the calculation process to produce such VaR should be done according to a method that fits the characteristic of data determined in point 1 above; (3) To determine the VaR of the loan portfolio consisting of the above four consumer loan products; (4) To test the validity of VaR method used, in terms of its ability to estimate the extent of loss suffered by Bank X due to interest rate risk. The results of test on characteristic of interest rate data of the four consumer loan products showed that the data has the following characteristics: (1) Non-stationary, hence the data needs to be differentiated at ' order as to become stationary and eligible for further test steps; (2) Not having normal distribution, hence a for VaR calculation must be adjusted using Cornish Fisher Expansion to become a ("prime Alpha"); (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of data. VaR is calculated using 1 month holding period and 95% confidence level, meaning VaR calculated based on month X's end position is used to estimate the extent of loss at the end of month X+1 on 95% confidence level. In other words: there is only 5% probability that the extent of lost at the end of month x+1 will exceed VaR value.Back testing showed a good results whereby no overshoot identified within the observation period. Further validity test using Kupiec Test (to be more specific. Kupiec Test with TNoF approach) showed that the VaR method used in this study to estimate the extent of loss due to interest rate risk of each Bank s consumer loan product is considerably valid. The results of test on the characteristic of portfolio return (derived from each loan 's interest rate data and taking into account the loan outstanding of each loan as to 'weight' each loan's data), are as follows: (1) Non-stationary, hence the portfolio return data needs to be differentiated at order as to become stationary and eligible for further test steps; (2) Having normal distribution, hence no need to adjust a for VaR calculation; (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of por folio return.Backtesting on the portfolio VaR value showed no overshoot within the observation period. Further test using Kupiec (TNoF approach) test verifies that the portfolio VaR is valid for the use of estimating the extent of loss due to interest rate risk."

"Tesis ini membahas tentang probabilitas nasabah KPR Pt Bank xyz Tbk,untuk mengalami status NPL.(kolektibilitas 3-5 dalam tiga tahun pertama kredtnya.Jangka waktu tiga Tahun ke 2 sampai tahun ke-3 dari kreditnya.Sehubungan dengan data yang imbalance. dimana kondisi NPL,sangat kecil dan nilai variabel Y adalah kualitatif, maka metode yang digunakan untuk mengukuran dengan kurva lift."

"Penelitian ini mengkaji sebuah model perancangan pengukuran risiko operasional yang menggunakan ANP sebagai alat dalam penentuan bobot kriteria risiko pada perusahaan pembiayaan konsumen. Identifikasi risiko operasional dengan menggunakan metode Risk Breakdown Structure (RBS) menunjukkan terdapat 21 kelompok risiko dengan 569 item risiko operasional dari 12 departemen yang ada pada operasional cabang PT ABC. Risiko-risiko tersebut kemudian ditransformasi dengan mengacu Basell II Committe dengan sevent event loss categorie dengan 21 kelompok risiko. Dengan responden expert, hasil ANP menunjukkan bahwa risiko kegagalan sistem dan gangguan bisnis merupakan kelompok risiko tertinggi dibanding kategori risiko lainnya. Model strategi penanganan mengadopsi model empat strategi penanganan risiko yaitu risk acceptance, risk avoidance, risk sharing/transfer, dan risk mitigation yang disesuaikan dengan kebutuhan dan kondisi lapangan serta tingkat frekuensi dan dampak yang ditimbulkan. Pola controlling dan monitoring diterapkan dua model strategi yaitu On Going Monitoring (Pemantauan Berkelanjutan) yang penanggung jawabnya melekat pada PIC operasional. Dan yang lain yaitu : Separate Monitoring (Pemantauan oleh Pihak Ketiga : Internal Audit atau External Audit) dalam tiga kelompok yaitu : Self Compliance/Assesment, Internal Audit dan External Audit.

---

This study examined a model of operational risk measurement design using ANP as a tool in determining the risk criteria weight on consumer finance companies. Identification of operational risk using the Risk Breakdown Structure (RBS) showed there were 21 risk group and 569 items of operational risk from the existing 12 departments at the operational branch of PT ABC. Risks are then transformed by referring Basell II Committee with sevent loss event categories with 21 groups of risk. With expert respondents, ANP results showed that the risk of system failure and business disruption is the highest risk group compared to other risk categories. Model management handling strategies adopted four model risk management handling strategies that is risk acceptance, risk avoidance, risk sharing / transfer, and risk mitigation tailored to the needs and conditions in the field and the level of frequency and impact. The pattern of controlling and monitoring strategies applied two models namely On Going Monitoring (Monitoring Sustainability) that the insurer responsibilities inherent in the PIC operation. And another is: Separate Monitoring (Monitoring by Third Party: Internal Audit or External Audit) in the three groups, namely: Self Compliance / Assessment, Internal Audit and External Audit."

"Penelitian oleh akademisi mencoba menggali dan menemukan hubungan antara risiko kredit, risiko pasar, dan risiko operasional terhadap kinerja perbankan. Variabel-variabel yang digunakan untuk mewakili risiko masing-masing menunjukkan hasil yang secara signifikan memberikan pengaruh terhadap tingkat efisiensi dari perbankan di Indonesia. Risiko kredit mempunyai pengaruh yang positif dan signifikan dalam mempengaruhi teknikal efisiensi dari perbankan. Risiko pasar mempunyai pengaruh yang positif dan signifikan dalam mempengaruhi teknikal efisiensi dari perbankan. Risiko operasional mempunyai pengaruh yang positif dan signifikan dalam mempengaruhi teknikal efisiensi dari perbankan.

---

The research done by the scholar tries to search and find the relationship between credit risks, market risks, and operational risks towards the performance of banking. Each of the variable utilized to represent the risks, shows efficiency in the banking performance. In particular, all of the credit risks, market risks and operational risks have a positive and significant influence to the technical efficiency of the banking system."

"Sehubungan dengan kompleksnya perkembangan proyek bangunan gedung, ditemukan fakta bahwa keterlambatan waktu perancangan menjadi masalah rutin yang tidak dapat dihindari sehingga melatarbelakangi penulisan tesis ini yang bertujuan untuk melakukan identifikasi faktor risiko dominan yang terdapat pada pekerjaan perancangan bangunan gedung yang berpengaruh terhadap kinerja waktu perancangan dan membuat respon atas risiko tersebut guna meminimalisir peristiwa dan dampak risiko yang terjadi. Metode pengumpulan data yang digunakan adalah studi literatur, validasi variabel oleh pakar dan penyebaran kuesioner kepada responden. Adapun datanya kemudian diolah menggunakan software SPSS terkait analisis non parametrik, uji validitas dan reliabilitas, analisis deskriptif, uji normalitas, analisis pendekatan risiko berbasis ISO 31000 dan analisis korelasi. Pada akhirnya, didapat 6 faktor risiko dominan yang dinilai sangat mempengaruhi kinerja waktu perancangan sehingga harus dicari penyebab, dampak dan respon risikonya dengan cara melakukan validasi hasil akhir oleh pakar.

---

Along with the complex development of building projects, it was found that the design time delay becomes routine problem that can?t be avoided, so that the background of this thesis aimed to identify the dominant risk factors of building design work that affect design time performance and make response for that risks to minimize the risk?s occurence and impact. Data collection methods used are literature reviews, validation of variables by expert and questionnaires to the respondents. The data is then processed using SPSS software for non-parametric analysis, validity and reliability test, descriptive analysis, normality test, risk analysis approach of ISO 31000 and correlation analysis. In the end, found 6 dominant risk factors that most affecting design time performance so it must be sought the risk?s cause, impact and response by validate the final results to experts."

"Penelitian ini bertujuan menguji pengaruh OBS terhadap risiko bank serta menguji apakah manajemen risiko yang dilakukan oleh bank dapat memoderasi pengaruh OBS terhadap risiko bank. OBS yang diuji adalah kontinjensi, komitmen dan derivatif. Sampel yang digunakan adalah bank yang terdaftar di BEI mulai 2009 ? 2013. Berdasar purposive sampling, terpilih 26 sampel bank dengan 114 tahun bank yang diolah menggunakan pooled data. Hasil penelitian menunjukkan bahwa derivatif berpengaruh negatif terhadap risiko bank sedangkan komitmen berpengaruh positif terhadap risiko bank. Namun, manajemen risiko yang dilakukan bank dapat memperlemah pengaruh OBS tersebut sehingga disimpulkan manajemen risiko bertujuan menstabilkan risiko.

---

The research objective is to investigate the influence of OBS toward bank risk and to investigate whether the accomplished risk management by the banks could moderate the influence of OBS toward bank risk. The tested instruments of OBS are contingencies, commitment, and derivatives. Samples are banks listed in IDX since 2009 until 2013. There are 26 bank samples and 114 year firms selected and processed by pooled data. The result shows that derivatives negatively influence bank risk. However, risk management weakens the influence of OBS, so that it is concluded that the purpose of risk management is to stabilize risk."

"Risiko adalah kemungkinan kerugian pada bank akibat terjadinya suatu peristiwa. Risiko yang paling melekat pada setiap kegiatan bisnis perbankan adalah risiko operasional. Untuk mengurangi risiko operasional telah diatur beberapa metode penghitungan risiko ini yaitu metode standar dan metode lanjutan atau advance measurement approach. Metode standar memiliki beberapa keterbatasan diantaranya mengasumsikan tingkat risiko langsung proporsional terhadap ukuran gross income, sehingga bank diperkenangkan untuk mengolah data sendiri dengan metode AMA. Salah satu metode AMA yang sering digunakan adalah loss distribution approach . LDA menggunakan data bank yang terdiri dari 8 lini bisnis dan 7 tipe kejadian. Dengan metode LDA, bank mengestimasi dua fungsi distribusi dari data loss tahunan yaitu fungsi distribusi dari frekuensi dan fungsi distribusi dari severitas, kedua distribusi di compound dan ditentukan Value at Risk masing-masing risiko menggunakan metode Monte Carlo pada quantile 99,9%. Untuk perhitungan nilai economic capital dalam tesis ini ada 2 asumsi yaitu asumsi semua risiko bergantung sempurna (completely dependent) dan saling bebas (independent). Adapun tujuan simulasi pada paper ini adalah melakukan studi eksperimental perhitungan economic capital dengan menggunakan LDA. Dari hasil simulasi diperoleh nilai economic capital yang stabil (konvergen ke suatu nilai) pada jumlah sampel 106.

---

Risk is the possibility of losses on the bank due to the occurrence of an event. Most risk inherent in any banking business activities is operational risk. To reduce operational risk in has arranged some methods of calculating this risk of standard method or advanced methods or Advance Measurement Approach. The standard method has some limitations such as the level of risk assumed directly proportional to the size of the gross income, so bank allowed to process its own data with AMA. One AMA often used is Loss Distribution Approach. LDA is using a data bank that consisting of 8 business line and 7 even types. With the LDA method , the bank estimates two distribution function of annual loss data is distribution of frequency and severity, the two distribution in compound and determined the Value at Risk of each risk using Monte Carlo method on the 99.9% quantile. For the calculation of Economic Capital in this thesis there are two assumptions are assuming all risks of completely dependent and independent. The purpose of simulations in this paper is to conduct experimental study of Economic Capital calculation using LDA. From the simulation results Economic Capital stable (convergent) on the number of samples 106."